BAB I PENDAHULUAN 1.

1 Usahatani Tebu Kebutuhan Hidup Tanaman Tebu Pada umumnya mahkluk hidup membutuhkan sumberdaya alam berupa air, oksigen, karbondioksida, makanan dan sinar matahari. Kecuali karbon dioksida dan oksigen, sumberdaya alam lainnya berada pada kondisi yang terbatas dan sering tidak mencukupi kebutuhan, sehingga terkadang memerlukan usaha untuk mencukupi kebutuhan tersebut dengan tindakan pengelolaan hidup. Sebagai contoh misalnya tanaman tebu membutuhkan hara untuk mencapai pertumbuhan normalnya, namun ketersediaan di dalam tanah tempat tanaman itu tumbuh tidak tersedia hara N yang memadai. Pada keadaan demikian tanaman tersebut tentu tidak akan mungkin tumbuh normal (karena defisiensi N). Untuk mencapai kondisi pertumbuhan normal, maka upaya budidaya diperlukan yaitu dengan cara memberikan pupuk N untuk kasus kekurangan hara N tersebut. Sumberdaya alam selama periode pertumbuhan tebu sangat dibutuhkan. Namun laju kebutuhan setiap fase pertumbuhan tanaman terhadap kebutuhan jenis maupun kuantitasnya selalu tidak sama. Dengan demikian terdapat ukuran - ukuran kebutuhan yang secara keseluruhan sangat ditentukan oleh kebutuhan biologi pertumbuhan. Sebagai contoh, tanaman tebu memiliki 5 stadium pertumbuhan yaitu fase perkecambahan, pertunasan, pemanjangan batang, kemasakan dan kematian, kebutuhan akan sumberdaya air pada setiap stadium berbeda. Stadium perkecambahan sampai pemanjangan batang dapat dikatakan menghendaki kebutuhan air yang sangat banyak. Namun pada fase kemasakan dan bahkan kematian, kebutuhan terhadap air justru pada kondisi yang lebih sedikit untuk mengoptimalkan pengisiaan gula dalam batang. Hal yang lain yang berkaitan dengan kebutuhan hidup tanaman tebu adalah secara agregat setiap sumber daya alam selalu dibutuhkan, meskipun kuantitasnya dapat berlainan antara setiap fase pertumbuhannya. Tidak terpenuhi salah satu atau lebih sumberdaya alam yang dibutuhkan tanaman tebu, maka akan berakibat pada penurunan kualitas pertumbuhan maupun produktivitas tanaman yang dihasilkan. Dalam budidaya tebu, upaya untuk memenuhi kebutuhan

sumberdaya alam pada saat optimal diperlukan akan memberikan hasil panen yang maksimal.

Memaksimumkan Hasil Panen Secara definisi telah dikemukakan di atas arti dari budidaya yang sesungguhnya dapat disederhanakan lagi yaitu suatu upaya manusia mengoptimalkan kondisi tanaman agar memperoleh sumberdaya alam yang dibutuhkan untuk hidupnya, sehingga dapat dimaksimalkan perolehan produktivitas tanaman. Dengan demikian tujuan akhir dari upaya budidaya adalah mengoptimalkan kondisi tanaman untuk memaksimumkan hasil panen. Budidaya merupakan prasarana untuk meningkatkan respon tanaman terhadap input yang diberikan baik secara langsung maupun tidak langsung dalam menunjang dan memacu proses pertumbuhan. Keberhasilan budidaya ditentukan oleh berlangsungnya proses-proses pertumbuhan dalam setiap stadium secara normal dan berkesinambungan. Setiap proses fase pertumbuhan harus berjalan dengan sempurna, untuk memberikan kesempatan proses fase pertumbuhan berikutnya sehingga berjalan sempurna juga. Gangguan pada salah satu proses fase pertumbuhan tebu, harus dipandang sebagai titik dari mata rantai yang terlemah dan yang paling bertanggung jawab terhadap hasil panen yang akan diperoleh. Dapat disimpulkan bahwa berdasarkan faktor pembatas yang paling menentukan terhadap perolehan hasil tanaman, maka upaya dari budidaya sesungguhnya untuk mengeleminir sekecil mungkin kekurangan ketersedian sumber daya alam yang dibutuhkan setiap fase pertumbuhan guna memaksimumkan hasil panen yang akan diperoleh.

Landasan Pola Budidaya Tebu Budidaya tebu yang paling sesuai adalah budidaya tebu yang menyesuaikan dengan kondisi agroklimat, yaitu iklim, kesuburan tanah dan tofografi. Selain itu, keberhasilan budidaya tebu ditentukan pula oleh penggunaan sarana pendukung seperti tenaga kerja dan penggunaan peralatan yang akan menunjang pengelolaan pertanian berkelanjutan. Lebih spesifik lagi, keberhasilan penyesuaian budidaya tebu ditentukan oleh kesesuaian tebu terhadap kondisi iklim, kesesuaian tebu terhadap kesuburan tanah, kesesuaian pengelolaan tebu dengan tofografi, kesesuaian pengelolaan tebu berdasarkan keterbatasan tenaga, sehingga mengharuskan penerapan peralatan mekanisasi dan kesesuaian tebu menuju pertanian berkelanjutan.
2

Kesesuaian Tebu Terhadap Iklim Budidaya tebu harus mengupayakan kebutuhan tebu terhadap variabel iklim, khususnya terhadap ketersediaan air, baik dalam mengatur kecukupan air maupun mengurangi ketersediaannya. Dalam budidaya, singkronisasi kebutuhan pertumbuhan tebu dengan kebutuhan SDA iklim, seperti mengatur masa tanam yang baik untuk mendapatkan kebutuhan air optimal pada fase pertumbuhan awal dan ditebang pada periode musim kemarau. Berdasarkan kebutuhan air pada setiap fase pertumbuhannya, curah hujan bulanan ideal untuk pertanaman tebu adalah 200 mm / bulan pada 5-6 bulan berturut - turut, 125 mm/bulan pada 2 bulan transisi dan kurang 75 mm / bulan pada 4 - 5 bulan berturut-turut. Menurut tipe iklim Oldeman, zona yang terbaik untuk tanaman tebu adalah tipe iklim C2 dan C3. Dalam pengembangannya ke lahan kering selain kedua tipe iklim tersebut ada beberapa lahan dengan tipe iklim yang dapat diusahakan untuk tebu dengan masukan-masukan teknologi adalah B2, C2, C3, D2, E3. Lahan yang dapat dikembangkan untuk pertumbuhan tebu dengan tanah cukup ringan dan berdrainase baik B1, C1, D1 dan E1.

Kesesuaian Tebu Terhadap Kesuburan Tanah Kesuburan tanah menentukan keberhasilan budidaya tebu, menyangkut aspek faktor pembatas fisik dan kimia tanah. Sifat fisik tanah yang menonjol adalah drainase / permeabilitas, tekstur dan ruang pori. Sedangkan sifat kimia tanah adalah kadar bahan organik, pH, ketersediaan hara esensial dan KTK tanah. Tekstur tanah yang sesuai bagi tanaman tebu berdasarkan sifat olah tanah adalah sedang sampai berat atau menurut klasifikasi tekstur tanah (Buckman and Brady, 1960) adalah lempung, lempung berpasir, lempung berdebu, liat berpasir, liat berlempung, liat berdebu dan liat atau yang tergolong bertekstur agak kasar sampai halus. Kemasaman tanah (pH) yang terbaik untuk tanaman tebu adalah pada kisaran 6,0 7,0 namun masih dapat tumbuh pada kisaran pH 4,5 - 7,5. Kesuburan tanah (status hara), berdasarkan hasil penelitian P3GI untuk menentukan kesesuaian lahan bagi tanaman tebu dengan kriteria N total > 1,5, P2O5 tersedia > 75 ppm, K2O tersedia > 150 ppm dan kejenuhan Al <> 4 bulan, masa tanam yang optimal pada akhir musim kemarau sampai awal musim hujan yaitu pertengahan Oktober sampai dengan masa tanam juga dapat pada akhir musim hujan sampai awal musim kemarau (pola II) dengan kondisi tanah ringan, ngompol dapat diolah sepanjang musim. Pada daerah basah (bulan kering 2 bulan) masa tanam tebu terbaik pada awal musim kemarau.
3

a. Mencukupi Kebutuhan Hara Tanaman Ketersediaan hara dalam tanah sesuai dengan kebutuhan tanaman pada masingmasing fase pertumbuhannya sangat ditentukan oleh kondisi lahan dan ketepatan pemupukan. Dalam pemupukan perlu diperhatikan efektivitas dan efisiensi. b. Pengendalian Jasad Pengganggu Prinsip pengendalian jasad pengganggu (gulma, hama dan penyakit) adalah memastikan bahwa input dan tanaman tebu tidak termakan oleh jasad pengganggu yaitu pengendalian secara preventif. c. Panen Tebu Masak (M), Bersih (B) Dan Segar (S) Dalam pengusahaan tanaman tebu, upaya budidaya yang ditunjukkan untuk meningkatkan bobot tebu dan rendemen yang tinggi pada akhirnya banyak ditentukan oleh sejumlah mana tebu tersebut ditebang dan digiling dalam keadaan Masak, Bersih dan Segar (MBS). Untuk menciptakan panen MBS banyak berkaitan dengan aspek aspek manajerial dan koordinasi, baik diintern Pabrik Gula (antara Bagian Tanaman, Tebang Angkut dan Pabrik) maupun koordinasi PG dengan Petani.

Pemantauan Pertumbuhan Tanaman Pemantauan perrtumbuhan tanaman yang bertujuan untuk mengetahui dampak dari tindakan - tindakan budidaya yang dilakukan. Pemantauan pertumbuhan tanaman dapat dilakukan dengan pengetahuan pertumbuhan setiap fase dan faktor - faktor yang mempengaruhi dan dinamika populasi. Dengan membandingkan antara jumlah populasi atau pertumbuhan suatu saat pada suatu kebun dengan standar pertumbuhan / dinamika populasi normal serta dihubungkan dengan fase pertumbuhan saat pemantauan, sehingga dapat ditentukan tumbuh normal atau tidak serta antisipasi / tindakan yang diperlukan. Konsistensi Pengelolaan Tanaman Agar dapat diperoleh hasil gula yang optimal diperlukan konsistensi pengelolaan yang prima sejak pembukaan lahan sampai tebu dipanen dan digiling, mengingat kualitas suatu fase pertumbuhan menentukan pertumbuhan berikutnya dan kualitas bahan baku akan menentukan sejauh mana potensi gula yang ada di batang dapat dijadikan gula kristal yang diharapkan. Salah satu yang harus diwaspadai adalah ketidak konsistenan pada saat panen, tebu yang ditanam dan dipelihara dengan baik hasil gulanya kurang menggembirakan karena kehilangan gula yang cukup besar saat panen akibat mutu tebang dan angkut kurang baik.

1.2 Tujuan Praktikum 1. Mahasiswa mampu mengetahuai, memahami serta mengaplikasikan model double logaritma dan dummy independet variabel 2. Mahasiswa mampu menggunakan model double logaritma dan dummy independent variabel pada suatu kasus permasalahan Komoditas Tebu 3. Mahasiswa mampu mengintepretasikan suatu hasil analisis software SPSS mengenai model duble logaritma dan dummy independent variabel

BAB II METODE

2.1 Ekonometrik Teori Tentang Linier Persamaan regresi adalah persamaan matematik yang memungkinkan peramalan nilai suatu peubah tak bebas (dependent variabel) dari nilai peubah bebas (independent variabel). Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan antar variabel. Hubungan tersebut dapat digambarkan dalam bentuk persamaan yang menghubungkan variabel terikat Y dengan satu atau lebih variabel bebas X1,X2,...,Xn. Jika hanya terdapat satu variabel bebas, maka model yang diperoleh disebut model regresi linier sederhana, sedangkan jika variabel bebas bebas yang digunakan lebih dari satu, model yang diperoleh disebut model regresi linier ganda. Model regresi linier sederhana dituliskan sebagai berikut: Yi = 1 +2Xi + ui ; i = 1,2,....,N Dimana N merupakan banyaknya observasi 2.2 Double logaritma Model tidak linier mempunyai berbagai macam bentuk fungsionl. Untuk yang pertama akan dipelajari suatu model yang disebut model log-log. Pada prinsipnya model ini merupakanhasil transformasi dari suatu model tidak linier menjadi model linier, dengan jalan membuat model dalam bentuk logaritma. Untuk memudahkan pemahaman, proses transformasi tidak dijabarkan dengan pendekatan teori statistik matematik, tetapi akan digunakan pendekatan empiris, dengan memanfaatkan contoh model yang ada dalam memanfaatkan contoh model yang ada dalam teori ekonomi. Menurut suatu teori ekonomi, hubungan antara kuantitas yang diminta dan harga suatu komoditas mempunyai bentuk sebagai berikut ; Y = 1X2eu Dimana : Y : kuantitas (Variabel endogenous) X : harga (variabel exogenous)
6

1, 2

: parameter-parameter

u : error/sesatan Dari bentuk modelnya sudah dapat dipastikan bahwa model tersebut bukanlah merupakan model regresi linier. Model tersebut merupakan model yang tidak linier baik variabel maupun parameternya. Akan tetapi, model tersebut dapat ditransformasikan sehingga parameternya berbetuk linier dengan tujuan agar teori-teori yang dibahas pada bab sebelumnya dapat digunakan, dari cara mengestimasi koefisien regresi, sampai dengan cara mengintepretasikan model yang didapat. Sebagaimana yang telah dijelaskan diatas bahwa model log-log merupakan hasil transformasi ke dalam bentuk logaritma, maka model tersebut diatas harus ditransformasikan ke dalam bentuk logaritma pula. Hasil dari transformasi tersebut dapat dilihat sebagai berikut: lnY = Ln 1 + 2 LnX + u apabila variabel-variabel tersebut didefinisikan kembali, maka diperoleh model sebagai berikut: Y* = 1* + 2 * X* + u* Dengan , Y* : lnY

1* : ln 1 2 * : 2 X* u* : lnX :u

Terlihat bahwa model yang baru didefiniskan ini sesungguhnya merupakan model regresi linier dengan variabel dan parameter yang berbentuk linier. Dengan demikian 1* dan 2* dapat ditaksir dengan menggunakan metode yang digunakan untuk mengestimasi parameter regresi sederhana, yaitu OLS (Ordinary Least Square). Salah stau hal yang menarik dari model log-log dalam aplikasinya adalah slope 2 dalam model lnY = Ln 1 + 2 LnX + u menyatakan ukuran elastisitas Y terhadap X, yaitu ukuran persentasi perubahan dalam Y bila diketahui perubahan persentasi X. Dengan perkataan lain, bila Y

menyatakan kuantitas yang diminta dan X menyatakan harga komoditas per unit, maka 2 menyatakan elastisitas harga dari permintaan. Hal lain yang dapat diperhatikan dalam model log-log adalah koefisien elastisitas antara Y dan X selalu konstan. Artinya, bila ln X berubah 1 unit, perubahan ln Y akan selalu sama meskipun elastisitas tersebut diukur pada ln X yang mana saja. Oleh karena itu, model ini disebut juga model elastisitas konstan. 2.3 Dummy Independent Variabel Variabel dummy disebut juga variabel indikator, biner, kategorik, kualitatif, boneka, atau variabel dikotomi. Suatu persamaan regresi dapat dapat hanya menggunakan variabel kategorik sebagai variabel bebas, tetapi dapat pula disertai oleh variabel bebas lain yang numerik. Regresi dengan variabel bebasnya hanya variabel dummy atau yang sifatnya kualitatif disebut Analysis of Variance (ANOVA). Dalam ekonometrik, seringkali kita menjumpai suatu model yang regressornya terdiri dari variabel kuantitatif dan kualitatif. Regresi yang regressornya merupakan campuran antara variabel kuantitatif dan variabel kualitatif disebut model Analysis of Covariance (ANCOVA). Variabel dummy memiliki nilai 1 atau 0, dan dapat mempengaruhi besaran intersep (dummy intersep), koefisien slope (dummy slope) maupun mempengaruhi kedua-duanya. Skala Nominal yang diberi label 0, 1 atau 2 dikenal sebagai Dummy Variable (Variabel Rekayasa). Misalnya :Pemberian label 1 untuk laki laki dan 2 untuk perempuan tidak mempunyai arti kuantitatif (tidak mempunyai nilai / hanya kode). Dengan demikian, perempuan tidak dapat dikatakan 1 lebih banyak dari laki laki. Pemberian label tersebut dimaksudkan untuk mengubah kategori huruf (Alfabet) menjadi kategori Angka (Numerik), sehingga memudahkan analisis data. (Cara ini dijumpai dalam Uji Q Cochran pada Pengujian Hipotesis). Di dalam metodologi penelitian dikenal ada sebuah variabel yang disebut dengan dummy variable. Variabel ini bukan jenis lain dari variabel dependen-independen, namun menunjukkan sebuah variabel yang nilainya telah ditentukan oleh peneliti. Donald Cooper dan Pamela Schindler (2000) mendefinisikan dummy variable sebagai sebuah variabel nominal yang digunakan di dalam regresi berganda dan diberi kode 0 dan 1. Nilai 0 biasanya menunjukkan kelompok yang tidak mendapat sebuah perlakuan dan 1 menunjukkan kelompok yang mendapat perlakuan. Dalam regresi berganda, aplikasinya
8

bisa berupa perbedaan jenis kelamin (1 = laki-laki, 0 = perempuan), ras (1 = kulit putih, 0 = kulit berwarna), pendidikan (1 = sarjana, 0 = non-sarjana). I. II Y = 0 + 1 X1 + 2X2 + 3D (Model Dummy Intersep) Y= 0 + 1 X1 + 2X2 + 3D1X3 (Model Dummy Slope)

III. Y= 0 + 1 X1 + 2D1+ 3D1 X1 (Kombinasi) Model Dummy Intersep Persamaannya: Y = 0 + 1 X1 + 2X2 + 3D Cara Menguji Regresi Berganda Model Dummy Intersep Dengan SPSS

Buka SPSS, copy data dari Excel ke Data View

Buka Variabel View, ganti nama variabel sesuai dengan keterangan pada exel

Kembali ke Data View, pilih analize, regression, linier

Output SPSS (Hasil) kemudian diinterpretasi dan buat persamaan regresinya

Pindah (bbt)X1, (ZA) X2, (TK) X3 dan D1 ke kolom independent dan Y (produksi) ke kolom independent kemudian pilih OK

- Setelah diperoleh model persamaan regresinya, masukan nilai Di=0 dan Di=1 dalam persamaan tersebut, hitung dan analisa. - Setelah diperoleh hasil, maka pertimbangkan syarat-syarat suatu model dikatakan sebagai model yang baik, yaitu: a. R Square adj memiliki nilai yang tinggi. b. Adanya pertimbangan ekonomi yang rasional. - Intrepetasikan hasilnya (t hitung, F hitung, R hitung). Dalam memasukan ke dalam kelompok variabel dependen atau independen. Yang perlu diperhatikan adalah dalam variabel dummy intersep yang termasuk dalam kelompok variabel independen adalah Bibit, Za, Tenaga Kerja dan Di.

Model Dummy Slope Persamaannya: Y= 0 + 1 X1 + 2X2 + 3D1X3 . Model Dummy Slope digunakan untuk mengetahui perubahan yang terjadi dalam slope. Cara menguji regresi berganda model dummy slope dengan SPSS adalah sebagai berikut:

Buka SPSS, copy data dari Excel ke Data View

Buka Variabel View, ganti nama variabel sesuai dengan keterangan pada exel

Kembali ke Data View, pilih analize, regression, linier

Output SPSS (Hasil) kemudian diinterpretasi

Pindah X1, X2, D1X1, dan D1X2 ke kolom dependent dan Y ke kolom independent kemudian pilih OK

- untuk masing-masing variabel bebas yang mempengaruhi variabel terikat, perhatikan model persamaannya. sebelum menganalisis dengan menggunakan SPSS (Analisa Regresi), perhatikan

terlebih dahulu faktor yang mempengaruhi variabel dependen atau terikatnya. Dalam perhitungan ini, variabel yang mempengaruhi produksi yaitu tenaga kerja dan bibit. Maka dalam persamaan regresi nantinya ditentukan terlebih dahulu nilai masing-masing variabel independen atau bebas yang mempengaruhi variabel dependennya. Untuk variabel terikat yang dipengaruhi oleh Tenaga Kerja, maka dalam data yang awalnya hanya menunjukan Di saja, diubah dengan DiTk, yaitu hasil perkalian antara Di dengan tenaga kerja. Sama halnya dengan variabel terikat yang dipengaruhi oleh Bibit. Maka pada datanya nanti diubah menjadi DiBt yaitu hasil perkalian antara Di dengan Bibit. Dalam memasukan ke dalam kelompok variabel dependen atau independen. Yang perlu diperhatikan adalah:

10

 Dalam variabel dummy slope dengan asusmi produksi dipengaruhi tenaga kerja yang termasuk dalam kelompok variabel independen adalah Bibit, Za, Tenaga Kerja dan DiTk. Dalam variabel dummy slope dengan asumsi produksi dipengaruhi bibit yang

termasuk dalam kelompok variabel independen adalah Bibit, Za, Tenaga Kerja dan DiBt. Dalam model Dummy slope ini terdapat 3 asumsi: 1. Y = 0 + 1 X1 + 2X2 + 3X3 +B4X1D1 Dummy mempengaruhi bibit 2. Y= 0 + 1 X1 + 2X2 + 3X3+ B4X3D1 Dummy mempengaruhi Tenaga Kerja 3. Y= 0 + 1 X1 + 2X2 + 3X3+ B4X1D1+ B5X3D1 Dummy mempengaruhi Bibit dan Tenaga Kerja

11

BAB III HASIL DAN PEMBAHASAN 3.1 Data Tabel 1. Besarnya Produksi Tebu berdasarkan variabel yang mempengaruhi

Bibit (Kw) No. Bibit 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 33,33 150,00 140,85 150,00 24,00 83,33 49,12 69,44 60,00 103,45 130,00 103,45 172,41 72,09 34,97 83,33 15,00 32,17 60,00 22,35 45,00 52,63 140,85 117,19 31,01 140,00 41,96 50,88 92,98 169,01 62,00 172,41 327,59

ZA (Kw) ZA 8,33 21,13 21,13 35,21 13,79 13,16 7,02 16,67 15,52 15,52 31,50 11,11 30,23 9,30 13,99 11,11 17,00 12,59 24,14 11,17 11,11 7,89 7,04 15,63 15,50 12,00 16,78 16,78 14,04 7,04 16,00 21,01 34,48

TK (HKSP) TK 121,00 287,00 278,87 220,69 140,80 220,69 170,18 194,44 124,00 155,17 210,50 137,93 186,21 127,91 162,24 252,78 196,50 155,24 210,50 173,74 150,00 145,00 160,56 150,00 126,36 290,14 184,62 126,32 156,14 210,50 178,00 258,62 424,14

Di (1=kelompok, 0=tidak) Di 0 1 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 1 0 0 0 1 0 1

Produksi Prod 500 1600 1972 1750 1080 1096 789 903 900 966 2050 1034 1207 837 734 972 850 699 1750 740 900 614 1197 1172 620 1100 979 1053 1140 1127 1300 1207 1552

12

34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54

120,69 62,50 190,00 244,76 186,05 183,10 106,90 42,02 155,17 139,53 224,14 105,26 23,33 85,00 204,23 104,65 209,30 138,89 211,27 320,69 315,00

17,24 23,44 20,69 34,97 35,21 35,21 24,14 21,01 20,69 30,23 24,14 24,14 12,50 17,00 21,13 35,21 13,95 8,33 35,21 24,14 21,13

290,14 210,50 172,00 367,61 290,14 290,14 220,69 220,69 220,69 210,50 290,14 290,14 182,00 168,00 220,69 351,16 195,35 255,56 340,85 220,69 240,35

0 1 0 1 1 1 1 1 1 0 1 1 0 1 1 1 0 0 1 1 1

1379 1328 1200 2937 1860 2113 1655 1541 1379 1512 1552 2368 1133 950 2254 1593 1163 917 2394 2069 2750

3.2 Intepretasi Hasil SPSS Dalam mengintepretasi hasil SPSS terhadap variabel-variabel yang mempengaruhi ada beberapa hal yang perlu dilihat, antara lain : 1. Adjusted R Square yang lebih Tinggi 2. Nilai F yang lebih Tinggi 3. Logika Ekonomi Dari hasil SPSS yang dapat dilihat pada bagian lampiran, dihasilkan nilai Adjusted R Square dan Nilai F sebagai berikut: Tabel 2. Nilai R Square dan Nilai F Dummy Intersep
Model Summary Adjusted R Model 1 R .854
a

Std. Error of the Estimate

R Square .730

Square .708

298.95383

a. Predictors: (Constant), Di, Bibit, ZA, TK

13

ANOVA Model 1 Regression Residual Total Sum of Squares 1.182E7 4379296.188 1.620E7 df

Mean Square 4 49 53 2955361.754 89373.392

F 33.068

Sig. .000
a

a. Predictors: (Constant), Di, Bibit, ZA, TK b. Dependent Variable: Prod

Tabel 3. Nilai Adjusted R Square dan Nilai F dari Dummy Slope ZA

Model Summary Adjusted R Model 1 R .854
a

Std. Error of the Estimate

R Square .730

Square .708

298.90670

a. Predictors: (Constant), DiZA, Bibit, TK, ZA

ANOVA Model 1 Regression Residual Total Sum of Squares 1.182E7 4377915.686 1.620E7 df

Mean Square 4 49 53 2955706.879 89345.218

F 33.082

Sig. .000
a

a. Predictors: (Constant), DiZA, Bibit, TK, ZA b. Dependent Variable: Prod

Tabel 4. Nilai Adjusted R dan Nilai F dari Dummy Slope Tenaga Kerja
Model Summary Adjusted R Model 1 R .847
a

Std. Error of the Estimate

R Square .718

Square .694

305.60287

a. Predictors: (Constant), DiTK, Bibit, ZA, TK

14

ANOVA Model 1 Regression Residual Total Sum of Squares 1.162E7 4576262.644 1.620E7 df

Mean Square 4 49 53 2906120.140 93393.115

F 31.117

Sig. .000
a

a. Predictors: (Constant), DiTK, Bibit, ZA, TK b. Dependent Variable: Prod

Tabel 5. Nilai Adjusted R Square dan Nilai F dari Dummy Slope Bibit
Model Summary Adjusted R Model 1 R .845
a

Std. Error of the Estimate

R Square .714

Square .690

307.63937

a. Predictors: (Constant), DiBBT, ZA, TK, Bibit

ANOVAb Model 1 Regression Residual Total Sum of Squares 1.156E7 4637457.181 1.620E7 df 4 49 53 Mean Square 2890821.506 94641.983 F 30.545 Sig. .000
a

a. Predictors: (Constant), DiBBT, ZA, TK, Bibit b. Dependent Variable: Prod

Tabel 6. Daftar Nilai Adjusted R Square dan Nilai F dari beberapa Uji Variabel SPSS Uji Variabel Dummy Intersep Dummy Slope Bibit Dummy Slope ZA Dummy Slope Tenaga Kerja Adjusted R Square 0,708 0,690 0,708 0,694 Nilai F 33,058 30,545 33,082 31,117

15

Dari tabel 2 diatas, kita dapat melihat nilai Adjusted R Square yang tertinggi secara runtut ialah ; 1. Dummy Intersep dan Dummy Slope ZA adalah 0,708 2. Dummy Slope Tenaga Kerja adalah 0,694 3. Dummy Slope Bibit adalah 0,690 Sedangkan, untuk nilai F yang tertinggi secara runtut ialah ; 1. Dummy Slope ZA adalah 33,082 2. Dummy Intersep adalah 33,058 3. Dummy Slope Tenaga kerja adalah 31,117 4. Dummy Slope Bibit adalah 30,545 Setelah menemukan nilai tertinggi Adjusted R Square dan nilai F secara runtut, selanjutnya kita melihat syarat ke 3 yaitu Logika Ekonomi dengan melihat nilai koefisiennya. 1. Dummy Slope ZA Tabel 7. Nilai Koefisien dari Dummy Slope ZA
Coefficients
a

Standardi zed Unstandardized Coefficients Std. Model 1 (Const ant) Bibit 2.547 .686 .360 B 635.585 Error 178.535 Beta t 3.56 0 3.71 1 ZA 9.868 8.584 .153 1.15 0 TK -.024 .951 -.003 .025 DiZA 19.481 5.606 .480 3.47 5 .001 .980 .256 .001 Sig. .001 Coefficien ts

16

Coefficients

Standardi zed Unstandardized Coefficients Std. Model 1 (Const ant) Bibit 2.547 .686 .360 B 635.585 Error 178.535 Beta t 3.56 0 3.71 1 ZA 9.868 8.584 .153 1.15 0 TK -.024 .951 -.003 .025 DiZA 19.481 5.606 .480 3.47 5 a. Dependent Variable: Prod .001 .980 .256 .001 Sig. .001 Coefficien ts

Berdasarkan tabel diatas dapat dilihat nilai koefisiensinya pada masing-masing variabel. Pada tabel diatas terdapat nilai negative (-) pada variabel Tenaga Kerja. Sehingga secara logika ekonomi ini tidak mungkin terjadi, dimana ketika terdapat petani yang masuk dalam kelompok tani justru mengalami penurunan tenaga kerjanya.

17

2. Dummy Intersep Tabel 8. Nilai Koefisien dari Dummy Intersep

Coefficients
a

Standardi zed Unstandardized Coefficients Std. Model 1 (Const ant) Bibit 2.483 .686 .351 B 459.997 Error 151.605 Beta t 3.03 4 3.61 8 ZA 18.758 7.192 .290 2.60 8 TK Di .240 396.478 .928 114.175 .030 .360 .259 3.47 3 a. Dependent Variable: Prod .797 .001 .012 .001 Sig. .004 Coefficien ts

Untuk mengetahui rasional atau tidaknya nilai diatas perlu dilakukan pengujian dengan menggunakan rumus, sebagai berikut: Y = + 1X1 + 2X2 + 3X3 + 4 Di Y = 459.997 + 2,483 X1 + 18,758 X2 + 0,240 X3 + 396,478 Di Jika, petani tidak mengikuti kelompok tani maka Di = 0 Y = 459.997 + 2,483 X1 + 18,758 X2 + 0,240 X3 + 396,478 Di Y = 459.997 + 2,483 X1 + 18,758 X2 + 0,240 X3 + 396,478 (0) Y = 459.997 + 2,483 X1 + 18,758 X2 + 0,240 X3 Jika, petani mengikuti kelompok tani maka Di = 1 Y = 459.997 + 2,483 X1 + 18,758 X2 + 0,240 X3 + 396,478 Di
18

Y = 459.997 + 2,483 X1 + 18,758 X2 + 0,240 X3 + 396,478 (1) Y = 459.997 + 2,483 X1 + 18,758 X2 + 0,240 X3 Y = 856,475 + 2,483 X1 + 18,758 X2 + 0,240 X3 Dari nilai intersep diatas memiliki nilai yang berbeda, hal ini dapat diintepretasikan bahwa kenaikan Y (produksi) sebesar 100%. Dan secara logika ekonomi hal ini tidak rasional. 3. Dummy Slope Tenaga Kerja Tabel 9. Nilai Koefisien dari Dummy Slope Tenaga Kerja
Coefficients
a

Standardi zed Unstandardized Coefficients Std. Model 1 (Const ant) Bibit 2.473 .702 .349 B 619.971 Error 187.258 Beta t 3.31 1 3.52 4 ZA 18.963 7.465 .293 2.54 0 TK -.600 1.072 -.074 .559 DiTK 1.673 .545 .415 3.07 1 a.Dependent Variable: Prod .003 .578 .014 .001 Sig. .002 Coefficien ts

Berdasarkan tabel diatas dapat dilihat nilai koefisiensinya pada masing-masing variabel pada dummy slope Tenaga Kerja. Pada tabel diatas terdapat nilai negative (-) pada variabel Tenaga Kerja. Sehingga secara logika ekonomi, ini tidak mungkin terjadi karena ketika petani masuk dalam kelompok tani justru mengalami penurunan dalam hal tenaga kerjanya.

19

4. Dummy Slope Bibit Tabel 10. Nilai Koefisien dari Dummy Slope Bibit
Coefficients
a

Standardi zed Unstandardized Coefficients Std. Model 1 (Const ant) Bibit .988 .873 .140 B 527.775 Error 172.069 Beta t 3.06 7 1.13 2 ZA 22.637 7.082 .350 3.19 6 TK DiBBT .462 2.361 .945 .802 .057 .412 .488 2.94 3 a. Dependent Variable: Prod .627 .005 .002 .263 Sig. .004 Coefficien ts

Y = + 1X1 + 2X2 + 3X3 + 4 Di X1 Y = 527,775 + 0,988 X1 + 22,637 X2 + 0,462 X3 + 2,361 Di X1 Jika, petani tidak mengikuti kelompok tani maka Di = 0 Y = 527,775 + 0,988 X1 + 22,637 X2 + 0,462 X3 + 2,361 Di X1 Y = 527,775 + 0,988 X1 + 22,637 X2 + 0,462 X3 + 2,361 (0) X1 Y = 527,775 + 0,988 X1 + 22,637 X2 + 0,462 X3 + 2,361 (0) X1 Y = 527,775 + 0,988 X1 + 22,637 X2 + 0,462 X3 Jika, petani mengikuti kelompok tani maka Di = 1 Y = 527,775 + 0,988 X1 + 22,637 X2 + 0,462 X3 + 2,361 Di X1 Y = 527,775 + 0,988 X1 + 22,637 X2 + 0,462 X3 + 2,361 (1) X1
20

Y = 527,775 + 0,988 X1 + 22,637 X2 + 0,462 X3 + 2,361 (1) X1 Y = 527,775 + 3,349 X1 + 22,637 X2 + 0,462 X3 Dari dua persamaan diatas diperoleh nilai koefisien variabel bibit yang berbeda dan ini mempengaruhi slopenya. Dengan ini dapat diintepretasikan bahwa pengaruh variabel bibit terhadap Produksi ialah apabila terjadi kenaikan pada variabel X1 (bibit) sebesar 1 maka akan memepengaruhi nilai Y sebesar 3,349.

21

BAB IV KESIMPULAN

Regresi merupakan persamaan matematik yang memungkinkan peramalan nilai suatu peubah tak bebas (dependent variable) dari nilai peubah bebas (independent variable). Variabel Dummy adalah variabel yang merepresentasikan kuantifikasi dari variabel kualitatif. Macam model regresi dummy variabel: I. Y = a + bX + c D1 (Model Dummy Intersep) II. Y = a + bX + c (D1X) (Model Dummy Slope) III. Y = a + bX + c (D1X) + d D1 (Kombinasi)

Dummy Slope ZA Terdapat nilai negative (-) pada variabel Tenaga Kerja. Sehingga secara logika ekonomi ini tidak mungkin terjadi, dimana ketika terdapat petani yang masuk dalam kelompok tani justru mengalami penurunan tenaga kerjanya. Dummy Intersep Dari nilai intersep diatas memiliki nilai yang berbeda, hal ini dapat diintepretasikan bahwa kenaikan Y (produksi) sebesar 100%. Dan secara logika ekonomi hal ini tidak rasional. Dummy Slope Tenaga Kerja Nilai koefisiensinya pada masing-masing variabel pada dummy slope Tenaga Kerja. Pada tabel diatas terdapat nilai negative (-) pada variabel Tenaga Kerja. Sehingga secara logika ekonomi, ini tidak mungkin terjadi karena ketika petani masuk dalam kelompok tani justru mengalami penurunan dalam hal tenaga kerjanya. Dummy Slope Bibit Nilai koefisien variabel bibit yang berbeda dan ini mempengaruhi slopenya. Dengan ini dapat diintepretasikan bahwa pengaruh variabel bibit terhadap Produksi ialah apabila terjadi kenaikan pada variabel X1 (bibit) sebesar 1 maka akan memepengaruhi nilai Y sebesar 3,349.

22

DAFTAR PUSTAKA

Anonymous.2011.http://katapekanini.blogspot.com. Diakses pada tanggal 7 April 2011 Anonymous. 2011. http://Litbang.go.id. Tebu. Diakses pada tanggal 1 April 2011 Djalal, Nachrowi dkk. 2002. Penggunaan Teknik Ekonometri Pendekatan Populer dan Praktis Dilengkapi Teknik Analisis dan Pengolahan data dengan Menggunakan Paket Program SPSS. Jakarta : PT. RajaGrafindo Persada Lains, Alfian. 2002. Ekonometrika Teori dan Aplikasi Jilid I. Jakarat : Pustaka LP3ES Indonesia

23

LAMPIRAN Dummy Intersep

Model Summary Adjusted R Model 1 R .854

a

Std. Error of the Estimate

R Square .730

Square .708

298.95383

a. Predictors: (Constant), Di, Bibit, ZA, TK

ANOVA Model 1 Regression Residual Total Sum of Squares 1.182E7 4379296.188 1.620E7 df

Mean Square 4 49 53 2955361.754 89373.392

F 33.068

Sig. .000
a

a. Predictors: (Constant), Di, Bibit, ZA, TK b. Dependent Variable: Prod

Coefficients

Standardized Unstandardized Coefficients Model 1 (Constant) Bibit ZA TK Di a. Dependent Variable: Prod B 459.997 2.483 18.758 .240 396.478 Std. Error 151.605 .686 7.192 .928 114.175 .351 .290 .030 .360 Coefficients Beta t 3.034 3.618 2.608 .259 3.473 Sig. .004 .001 .012 .797 .001

24

Dummy Slope Bibit

Model Summary Adjusted R Model 1 R .845

a

Std. Error of the Estimate

R Square .714

Square .690

307.63937

a. Predictors: (Constant), DiBBT, ZA, TK, Bibit

ANOVA Model 1 Regression Residual Total Sum of Squares 1.156E7 4637457.181 1.620E7 df

Mean Square 4 49 53 2890821.506 94641.983

F 30.545

Sig. .000
a

a. Predictors: (Constant), DiBBT, ZA, TK, Bibit b. Dependent Variable: Prod

Coefficients

Standardized Unstandardized Coefficients Model 1 (Constant) Bibit ZA TK DiBBT a. Dependent Variable: Prod B 527.775 .988 22.637 .462 2.361 Std. Error 172.069 .873 7.082 .945 .802 .140 .350 .057 .412 Coefficients Beta t 3.067 1.132 3.196 .488 2.943 Sig. .004 .263 .002 .627 .005

25

Dummy Slope ZA

Model Summary Adjusted R Model 1 R .854

a

Std. Error of the Estimate

R Square .730

Square .708

298.90670

a. Predictors: (Constant), DiZA, Bibit, TK, ZA

ANOVA Model 1 Regression Residual Total Sum of Squares 1.182E7 4377915.686 1.620E7 df

Mean Square 4 49 53 2955706.879 89345.218

F 33.082

Sig. .000
a

a. Predictors: (Constant), DiZA, Bibit, TK, ZA b. Dependent Variable: Prod

Coefficients

Standardized Unstandardized Coefficients Model 1 (Constant) Bibit ZA TK DiZA a. Dependent Variable: Prod B 635.585 2.547 9.868 -.024 19.481 Std. Error 178.535 .686 8.584 .951 5.606 .360 .153 -.003 .480 Coefficients Beta t 3.560 3.711 1.150 -.025 3.475 Sig. .001 .001 .256 .980 .001

26

Dummy Slope Tenaga Kerja

Model Summary Adjusted R Model 1 R .847

a

Std. Error of the Estimate

R Square .718

Square .694

305.60287

a. Predictors: (Constant), DiTK, Bibit, ZA, TK

ANOVA Model 1 Regression Residual Total Sum of Squares 1.162E7 4576262.644 1.620E7 df

Mean Square 4 49 53 2906120.140 93393.115

F 31.117

Sig. .000
a

a. Predictors: (Constant), DiTK, Bibit, ZA, TK b. Dependent Variable: Prod

Coefficients

Standardized Unstandardized Coefficients Model 1 (Constant) Bibit ZA TK DiTK a. Dependent Variable: Prod B 619.971 2.473 18.963 -.600 1.673 Std. Error 187.258 .702 7.465 1.072 .545 .349 .293 -.074 .415 Coefficients Beta t 3.311 3.524 2.540 -.559 3.071 Sig. .002 .001 .014 .578 .003

27